Hugging Face 发布 Open TTS Leaderboard，用客观指标评估开放源码 TTS 模型的可懂度、速度和说话人相似度，并覆盖多语言与语音克隆场景。排行榜使用 WER/CER、RTFx、TTFA 和 SIM，支持在 H200 GPU 与 CPU 上比较流式性能，并提供 Listen 标签页供用户试听和投票。
推荐理由：该排行榜把 WER/CER、推理速度和说话人相似度纳入统一评测，并保留试听投票，便于比较开放源码 TTS 在多语言和流式场景中的取舍。
H 公司发布 Holo4 系列智能体模型，含 27B dense 与 35B-A3B MoE 两个版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 在 Hugging Face 开放。
推荐理由：Holo4 给出跨 GUI、代码、MCP 与 API 的统一智能体方案，并公开轨迹与权重，便于评估开源电脑操作智能体的成本与能力边界。
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下提升推理速度。该草稿模型增加 280M 参数（约 8.9%），在设备端解码最高加速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x。
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体流水线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 与图生视频。
推荐理由：用 73 个节点复刻 A1111 全部功能并暴露 REST 与 MCP 接口，可据此判断节点式创作工作流的搭建与复用方式。
H Company 发布 NeoMME 多模态多语言编码器，提供 260M 和 800M 两种规模，并以单一双向 Transformer 同时处理文本 token 与原始图像 patch。
推荐理由：NeoMME把多模态编码与视觉文档检索结合，给出模型规模、检索质量、吞吐和索引压缩之间的可复用权衡。
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的思路，参考池、RL 环境、训练脚本和训练好的模型全部开源，整条流程跑在 Hugging Face 上。
推荐理由：完整公开了一套用 RL 训练模型写代码作画的流程与全部产物，可借鉴其奖励设计与环境搭建思路。
Voice Arena 与 Hugging Face 合作，在 Open ASR Leaderboard 上新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，印地语成为该多语言标签页上的首个印度语言。
推荐理由：公开 ASR 榜单首次纳入印地语与印度英语，并公开说话人元数据与格参考，可用于判断语音模型的地域偏差。
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 管线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见，同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.Workflow 的节点类型与多端点 API 用法，可据此判断多步生成管线如何一次搭好并直接调用。
Hugging Face 的最新研究提出三项测试，用于量化语音识别模型针对公开基准进行优化的程度，并评估了 11 个常用开源 ASR 模型。
推荐理由：研究把参考文本错误、静音数字和拼写切换转化为三项可量化测试，为语音模型选型和评测集设计提供了具体方法。
Diffusers 0.40.0 发布，新增 LTX-2.5、MiniMax-H3、MiniMax Music 3、Stable Audio 3、Wan-Animate-2、JoyAI-Image-Edit-Plus 等管线，Modular Diffusers 结束实验阶段转为稳定支持。
推荐理由：Diffusers 0.40.0 的发布说明列出了新增视频与音频管线、张量并行和量化后端，可据此判断多模态生成与部署选型。
Sentence Transformers v6.0 新增 MultiVectorEncoder，将 PyLate、Stanford-NLP ColBERT 和 ColPali 系列模型统一到同一 API，支持基于 MaxSim 的多向量检索。文章展示了文本、页面图像、音频和视频的编码与检索方法，并比较了索引存储、Token Pooling、检索后重排和多种向量数据库方案。
推荐理由：文章用代码串起模型加载、MaxSim 评分、索引与多模态检索，便于评估 token 级匹配在质量和存储成本之间的取舍。
Hugging Face Blog介绍了用 Strands Robots、LeRobot 和 Hugging Face Storage Buckets 构建机器人数据流闭环的方法。
推荐理由：文章展示了机器人示范采集、增量同步、远程流式训练和硬件部署如何串成闭环，并交代了桶存储的审计与安全边界。
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，支持 12 种语言，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，并通过更新训练数据提升了多种既有语言的质量。
推荐理由：原文给出 364M 开源权重模型的多语言覆盖与 TTFA 实测数据，可供语音 Agent 选型时比较自部署延迟与可控性。
Meta 发布 Muse Glimmer-30B，这款采用 Apache 2.0 许可的开源多模态模型面向本地智能体场景。模型由 2B ViT-style 视觉编码器和 28B 文本解码器组成，并支持图像、视频输入与多模态工具调用。
推荐理由：原文同时给出 Muse Glimmer 的 30B 架构、Apache 2.0 开放方式和本地部署路径，便于评估多模态智能体的落地门槛。
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 的 SVDQuant 4-bit 检查点，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式、显存与延迟数据，可据此判断消费级 GPU 跑扩散模型的量化选型。
Pollen Robotics 发布 Grabette，一套用手持夹爪记录机器人操作数据的开源系统，可将演示自动处理为 LeRobot 数据集并上传到 Hugging Face Hub。
推荐理由：文章给出了从手持采集到 LeRobot 数据集的完整流程，以及硬件成本和示例训练链路，便于评估机器人数据采集的落地门槛。
Real World VoiceEQ 评估语音 AI 的人类交互质量，覆盖 40 多个专有和开源语音模型、15 多个维度及 60 多项指标。该基准基于超过 1 million 个人类评分，涵盖 ASR、TTS、S2S 和语音理解，结果显示不同模型在技术准确性、情绪理解、表达力与鲁棒性之间存在明显专长差异。
推荐理由：该基准将语音模型评测从 WER 和延迟扩展到情绪、身份与背景声等人类感知维度，可帮助定位真实对话中的听辨与回应短板。
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文、原生接收图像文本音频输入的多模态 MoE 开源模型，同时发布 276B 总参数 12B 激活的 Inkling-Small。
推荐理由：可据此了解首个约1T参数、1M上下文原生多模态开源模型的架构取舍与部署门槛。
微软在 Build 2026 宣布 Foundry Managed Compute 与 Hugging Face 模型集合，将 Hugging Face 生态的开源权重模型纳入 Foundry 模型目录，每周刷新，可一键部署到托管 GPU 平台。
推荐理由：原文给出开源权重在 Azure 上的一键部署路径与运行时选型，可据此判断企业自托管开源模型的落地条件。
Hugging Face 发布 LeRobot v0.6.0，引入 VLA-JEPA、FastWAM、LingBot-VA 三个世界模型策略，让机器人策略在训练中预测未来、推理时零额外成本。
Photoroom 发布 PRX 系列第四篇，介绍其预训练数据管线：混合公开与内部数据集，用 VLM 重新生成约 100-200 词的长描述，再转为 MDS 供训练流式读取。
推荐理由：Photoroom 公开 PRX 预训练数据管线的取舍与实测数据，为自建文生图数据流程提供可迁移的工程参考。
Hugging Face Diffusers 发布 0.39.0，新增 Cosmos 3、Ideogram 4、Krea 2、DreamLite、PRX Pixel、Motif-Video、AnyFlow、JoyAI-Image-Edit、DiffusionGemma、Anima 等图像与视频管线。
推荐理由：Diffusers 0.39.0 一次性接入 Cosmos 3、Ideogram 4、Krea 2 等十余条新管线，可据此判断各模型的开放方式与工程适配成本。
Hugging Face 与 Cerebras 演示了一套实时语音到语音流水线，用 Cerebras 加速 Gemma 4 31B 推理，串联 Nvidia Parakeet 语音识别与阿里 Qwen3TTS 语音合成。
推荐理由：展示了开源级联语音到语音栈的模块化组合方式，可借鉴其用快速推理压低长尾延迟的思路。
Hugging Face 的 Diffusers 发布 0.38.0，新增多条图像与音频管线，包括离散扩散语言模型 LLaDA2、2B 激活 17B 参数的稀疏 MoE 图像模型 NucleusMoE-Image。
Diffusers 发布修复，解决 Modular Pipelines 在 modular_model_index.json 中使用 AutoModel 类型提示时的加载问题（#13271），并修复 Flux Klein 的 LoRA 加载（#13313）。同时修复 Cosmos Predict 2.5 中未加保护的 torchvision 导入（#13321）。
Hugging Face 发布 Diffusers 0.37.0，引入 Modular Diffusers，用可复用模块组合自定义扩散管线，与原有 DiffusionPipeline 并存。
推荐理由：Diffusers 0.37.0 的模块化管线与新增图像视频模型清单，可供选型与工作流搭建时对照参考。
Hugging Face 的 Diffusers 发布 0.36.0，新增多条图像与视频管线，包括 Black Forest Labs 的 Flux2、6B 参数的 Z-Image、支持多图参考的 QwenImage Edit Plus、Bria FIBO、Kandinsky 5.0 Image Lite 和把图像编辑重构为视频生成任务的 ChronoEdit。
推荐理由：Diffusers 0.36.0 一次性接入 Flux2、Z-Image、HunyuanVideo 1.5 等新管线并新增缓存与注意力后端，可据此判断生成工作流的升级路径。
Diffusers 发布 v0.35.2-patch，修复初始化 transformers 模型时的 offload_state_dict 处理，以及 TRANSFORMERS_FLAX_WEIGHTS_NAME 导入问题。该版本还加入 PyTorch 2.3.1 兼容性版本检查，并修复 wan 和 ltx 的 scale_shift_factor 位于 CPU 的问题。
Hugging Face 发布 Diffusers v0.35.1，重点改进 Qwen-Image Edit。该版本包含 PR #12188 和 #12190，贡献者为 naykun。
Hugging Face 发布 Diffusers 0.35.0，新增 Wan 2.2、Flux-Kontext、Qwen-Image 和 Qwen-Image-Edit 等图像与视频管线。版本加入 Regional compilation，称可将编译时间减少 8–10x，并支持加速设备直接加载管线、分片并行加载和 GGUF CUDA kernels，后者预计带来约 10% 的推理速度提升。
推荐理由：该版本同时覆盖新图像与视频管线、编译和加载优化，可帮助开发者比较模型接入方式与推理部署路径。
Hugging Face Diffusers 发布 0.34.0，新增 Wan VACE、Cosmos Predict2 等视频与图像生成 pipeline，并改善 torch.compile 支持。
推荐理由：该版本同时覆盖可控视频生成与低显存部署，读者可据此评估 Wan VACE 等 pipeline 的控制能力和 torch.compile、量化、卸载组合。
Hugging Face 上的 3 万多个 LoRA 现可直接在 Hub 上通过 Replicate 运行推理。用户选择支持的 LoRA 模型并将 Replicate 设为推理提供方后，请求会被路由到 Replicate 的 black-forest-labs/flux-dev-lora 模型，LoRA 以 lora_weights 参数动态传入，无需为每个 LoRA 单独托管模型。
Diffusers 发布 v0.33.1，修复了 wan pipelines 的 ftfy 导入问题，该修复由 @yiyixuxu 在 #11262 中提交。此版本距上一版本已有 1620 次提交。
Diffusers 发布 0.33.0，新增 Wan2.1、LTX Video 0.9.5、Hunyuan Image to Video 等视频管线，以及 SANA-Sprint、Lumina2 和 OmniGen 等图像生成管线。该版本加入层级权重转换、分组卸载、远程 VAE、缓存推理和 Quanto 量化，并支持 LoRA 热插拔与管线 dtype map。
推荐理由：Diffusers 0.33.0 将 Wan2.1、LTX Video 0.9.5 等视频管线与层级卸载、缓存推理和量化能力整合到同一版本，便于评估生成工作流的显存与速度取舍。
Diffusers 发布 v0.32.2 补丁版本，修复了 Flux 加载 Comfy UI 格式单文件 checkpoint 的回归问题，并支持将 LoRA 加载进 bitsandbytes 4bit 量化的 Flux 模型。
Diffusers 0.32.0 发布，新增 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 视频生成管线，以及多组图像生成管线。该版本还加入 TorchAO、GGUF 量化后端和 Flux、SANA、Hunyuan Video 等训练脚本。Sana-0.6B 可部署在 16GB laptop GPU 上，并在不到 1 秒内生成 1024×1024 图像。
推荐理由：该版本把 Mochi-1、Allegro、LTXVideo 和 HunyuanVideo 接入统一库，并补充量化后端与训练脚本，便于比较开放视频模型的使用与微调路径。
Replicate 宣布 Stable Diffusion 3.5 已上线，提供 Large、Large Turbo 和 Medium 三种版本，分别侧重画质、速度与消费级硬件运行。
推荐理由：文章同时给出三种规格、API价格和Medium权重入口，便于按画质、速度与本地运行条件选择模型。
Replicate 支持使用 Ostris’s AI Toolkit 和 LoRA，通过网页或 API 用自有图像微调 FLUX.1 [dev]，以定制特定风格、角色或物体。
推荐理由：文章给出从准备 12–20 张图像到调用微调模型的完整路径，并说明训练时长、成本和 FLUX.1 [dev] 的商业使用边界。